Михаэль Бронштейн
Михаэль Бронштейн (Майкл Бронштейн, Михаил Бронштейн, англ. Michael Bronstein) — израильский компьютерный учёный, предприниматель и инвестор, доктор наук, профессор Имперского колледжа Лондона и Университета Лугано, руководитель отдела исследований в области графического обучения в Twitter[1].
Биография[править]
Родился в 1980 году в Туле.
Стал соучредителем стартапа Novafora (2004 год), который разработал алгоритмы для видеоанализа, которые были переданы по лицензии, в частности, Turner Broadcast Systems.
В 2007 году получил докторскую степень в Технионе.
С 2010 года — профессор Института вычислительных наук Университета Лугано, Швейцария.
С 2016 года также является профессором Тель-Авивского университета.
В 2018 году занял кафедру машинного обучения и распознавания образов на факультете вычислительной техники Имперского колледжа Лондона.
Стал соучредителем израильского стартапа Invision, разработавшего датчик 3D с кодированным освещением. Компания была приобретена Intel в 2012 году и стала основой технологии Intel RealSense. Бронштейн работал главным инженером в Intel с 2012 по 2019 год, играя ведущую роль в разработке RealSense.
В 2018 году основал лондонский стартап Fabula AI, цель которого — решить проблему онлайн-дезинформации, изучив, как она распространяется в социальных сетях. Компания была приобретена Twitter в 2019 году.
Области научной деятельности — теоретические и вычислительно-геометрические методы анализа данных. Его исследования охватывают широкий спектр приложений, от машинного обучения, компьютерного зрения и распознавания образов до обработки геометрии, компьютерной графики и изображений. Известен работами в области анализа деформируемых трехмерных форм и «геометрического глубокого обучения» («geometric deep learning», термин, который он и ввёл).
Его брат Алекс Бронштейн (Александр Бронштейн) также является ученым-компьютерщиком и профессором Техниона (до 2016 года в Тель-Авивском университете).
Труды[править]
- Michael Bronstein. Alexander Bronstein, Ron Kimmel: Numerical Geometry of Non-Rigid Shapes, Springer 2009
- M. Bronstein, A. Bronstein, R. Kimmel: Three-dimensional face recognition, International Journal of Computer Vision, Band 64, 2005, S. 5-30
- «Geometric deep learning: going beyond Euclidean data» (with Yann Lecun, Joan Bruna, Arthur Szlam and Pierre Vandergheynst), IEEE Signal Processing Magazine 2017.
- M. Bronstein, A. Bronstein, R. Kimmel: Generalized multidimensional scaling: a framework for isometry-invariant partial surface matching, Proceedings of the National Academy of Sciences of the USA, Band 103, 2006, S. 1168—1172
- M. Bronstein, A. Bronstein, R. Kimmel, M. Mahmoudi, G. Sapiro: A Gromov-Hausdorff framework with diffusion geometry for topologically-robust non-rigid shape matching, International Journal of Computer Vision, Band 89, 2010, S. 266—286
- M. Bronstein, A. Bronstein, L. J. Guibas, M. Ovsjanikov: Shape google: Geometric words and expressions for invariant shape retrieval, ACM Transactions on Graphics (TOG), Band 30, 2011, S. 1-20
- M. Bronstein, C. Strecha, A. Bronstein, P. Fua: LDAHash: Improved matching with smaller descriptors, IEEE Transactions on Pattern Analysis and Machine Intelligence, Band 34, 2012, S. 66-78